使用卷积神经网络进行航拍图像车辆检测：Faster R-CNN与YoloV3的比较
计算机视觉与模式识别
2022-01-04 v3 机器学习
神经与进化计算
图像与视频处理
摘要
本文研究使用卷积神经网络（CNN）从航拍图像中检测车辆的问题。与从地面图像中检测车辆（或任何物体）相比，该问题面临额外挑战，因为航拍图像中车辆的特征更难辨别。为研究此问题，我们评估了两种最先进的CNN算法性能，即最流行的基于区域的算法Faster R-CNN，以及已知最快的检测算法YOLOv3。我们分析两个具有不同特征的数据集，以检查各种因素的影响，如无人机高度、相机分辨率和物体尺寸。共进行了39次训练实验，以考虑不同超参数值的影响。本工作的目标是在航拍图像这一特定领域，对这两种前沿算法进行最稳健、最详尽的比较。通过使用多种指标，我们表明YOLOv3在大多数配置下性能更优，但当测试数据集中的物体尺寸和尺度与训练数据集差异较大时，其召回率较低且检测置信度较差。
引用
@article{arxiv.1910.07234,
title = {Aerial Images Processing for Car Detection using Convolutional Neural Networks: Comparison between Faster R-CNN and YoloV3},
author = {Adel Ammar and Anis Koubaa and Mohanned Ahmed and Abdulrahman Saad and Bilel Benjdira},
journal= {arXiv preprint arXiv:1910.07234},
year = {2022}
}